复件趋势分析

趋势分析o 趋势分析n 质量管理的重要手段n 对工艺参数、分析结果等内容汇总分析o 年度产品回顾分析（中间产品控制的关键指标、成品控制的关键参数 ）o 环境、水监测结果o 原辅料的质量趋势o 关键工艺参数汇总o 产品稳定性数据质量统计的观点 产品具有变异性与统计规律o 产品质量具有变异性n 由于产品质量是在一定的质量因素限制下制造出来的，质量因素的变化导致产品质量在生产过程中不断发生变化n 波动o 没有两个产品是完全一样的，即使自动化生产线上产品也不例外o 产品间的差异就是波动，它时隐时现、时大时小，时正时负o 产品间的差异是永远存在的，只是有时小到无法度量出来o 产品间的差异是通过适当的质量特性（过程特性和产品特性）表现出来的o 波动源n 过程中有许多产生波动的波动源n 例：压片过程，很容易受到各种波动源的影响o 设备：模具的磨损和老化o 工具：强度不同，磨损率的差异。o 材料：硬度不同，成份不同，产地不同o 操作者：操作的精度、情绪o 测量：视觉误差、心理障碍o 维护：润滑程度，替换部件o 环境：温度、湿度、光线o 这些波动源对加工的影响最后都集中反映在片子的外观、硬度、崩解时限等测量值上o 质量变异具有统计规律n 在生产正常的情况下，通过大量的数据观测，利用数理统计的方法，可以精确地确定产品质量变异的幅度以及不同大小的变异幅度发生的可能性数据的统计规律每件产品的尺寸与别的都不同但它们形成一个模型 ,若稳定 ,可以描述为一个分布分布可以通过以下因素来加以区分范围 范围 范围 范围范围 范围 范围范围 范围 范围或这些因素的组合位置 分布宽度 形状Normal Distribution（正态分布）when n it turns to standard deviation central locationf(x) 拐点拐点x中心极限定理o 然而实际在样本的抽取过程中，数据的分布并不是这么完美o 可能遵循另外的分布 二项式分布 or 泊松分布n 无论随机变量的共同分布是什么（离散分布或连续分布，正态分布或非正态分布），只要独立统计分布随机变量的个数 n较大时，样本平均值或其总和的分布总是近似服从正态分布n 无论服从什么样的分布，只要样本量 n5 ，试验次数足够多，样本均值的分布总是趋近于正态分布Statistical Process Control 统计过 程控制o 主要是指应用统计分析技术对生产过程进行实时监控，科学的区分出生产过程中产品质量的随机波动与异常波动，从而对生产过程的异常趋势提出预警，以便生产管理人员及时采取措施，消除异常，恢复过程的稳定，从而达到提高和控制质量的目的统计过程控制的起源o 1924年，休哈特博士（ Dr WA Shewhart）在贝尔实验室工作期间发明了品质控制图o 1939年休哈特与戴明博士（ Dr Deming）写了一本 质量控制中的统计方法 o 第二次世界大战前后，英美两国将品质控制图引进制造业，并应用于生产过程中o 美国汽车制造厂，例如福特（ FORD)、通用（ GM）等均对 SPC十分重视， SPC因此得以广泛推广o 统计过程控制（ SPC）n 利用控制图分析过程的稳定性 ,对过程存在的异常因素进行预警 ;n 计算过程能力（ Cp）和过程能力指数（ Cpk）分析稳定的过程能力满足技术要求的程度 ,对过程质量进行评价。o Cp或 Cpk愈大，说明过程能力充足，产品质量越高，但对设备、原料和操作人员的要求也越高，因此生产成本也可能越大控制图o 控制图 又叫管理图。它是用来区分由异常原因引起的波动、或是由过程固有的随机原因引起的偶然波动的一种工具o 控制图建立在数理统计学的基础上，它利用有效数据建立控制界限。控制界限一般分为上控制限（ UCL）和下控制限（LCL）质量特性值抽样时间和样本序号UCLCLLCL3倍 标准偏差（ 3 ）3倍 标准偏差（ 3 ） 常规控制图的原理一般来说，在实际应用上，常考虑一组数据具有近似于正态分布的概率分布常规控制图的原理 正态分布的参数o 平平 均值（均值（ ）n 此参数是正态分布曲线的位置参数，即它只决定曲线此参数是正态分布曲线的位置参数，即它只决定曲线出现频率最大数值位置而不改变正态曲线的形状出现频率最大数值位置而不改变正态曲线的形状常规控制图的原理 正态分布的参数o 标准偏差（标准偏差（ ）n 此参数是正态分布曲线的形状参数，即它决定了曲线此参数是正态分布曲线的形状参数，即它决定了曲线的的 “高高 ”、 “矮矮 ”、 “胖胖 ”、 “瘦瘦 ”控制限的设定o 控制图对过程的检查是通过抽查来进行的，很经济。但抽查不可能不犯错误n 第一种错误：虚发警报。过程正常，而点子偶然超出控制界限。根据点出界就判异的原则，判断制程处于异常状态。犯第一种错误的概率记为 。第一种错误的风险方在供方n 第二种错误：漏发警报。过程已经发生异常，而点子仍然落在控制界限内，无法判断制程处于异常状态。犯第二种错误的概率记为 。第二种错误的风险在用户o 常规控制图共有三根线，一般基于正态分布控制图的 CL居中固定，而且与 UCL与 LCL互相平行，故只能改动 UCL与 LCL二者之间的间隔距离。n 若此间隔距离增大，则 减少， 增大，反之相反。n 故无论如何调整上下控制限的间隔，两种错误都是不可避免的o 解决的办法是n 根据使两种错误造成的总损失最小的原则来确定 UCL和 LCL二者之间的最优间隔距离n 经验证明休哈特提出的 3方式较好，在不少情况下，3方式都接近最优间隔距离o 正态分布的 “68-95-99.7法则 ”或 “经验法则 ”o 所以我们把n 2定义为警戒限，数值出现在这 区间概率为 95.4%n 3 定义为行动限，数值出现在这 区间概率为 99.7%n 超出 3 既为超出规格标准控制限与规格限o 控制图中的控制限与规格限是完全不同的两种概念，不能混为一谈o 规格限是产品设计结果，属于技术、质量标准的范畴，是对产品做 “合格 ”与 “不合格 ”的符合性判断的依据o 控制界限是过程中质量数据的实际分布，是过程处于稳定受控状态时质量数据所形成的典型分布的 3范围。是判断过程正常与异常的依据o 同一产品有不同的厂家生产时，其规格限是相同的（执行同一标准）。但不同厂家由于技术能力与管理水平不同，各厂的控制界限可能是不相同的控制图的观察与分析方法o 点子没有超出控制线（在控制线上的点子按超出处理），控制界限内的点子排列无缺陷，反映工序处于控制状态，生产过程稳定，不必采取措施o 判异准则有两类n 点出界判异n 界内点排列不随机判异按 GBT 4091-2001 IDT ISO 8258： 1991 常规控制图 共有 8个模式n 在 8个检验模式中，除第 4个模式是由统计模拟试验（蒙特卡罗试验）所确定的以外n 其它 7个模式都是在规定风险（小概率 ）为 0.0027的情况下，经概率计算所确定控制图的观察与分析缺陷 UCLCLLCL UCLCLLCL 缺陷 图 例准 则 2： 单侧 性排列 连续 9点以上在中心 线 同一 侧 出 现。如：低 线 投料、低 线 装量等准 则 3： 趋势 性排列 连续 6点以上递 增或 递 减有 缓 慢因素影响， 应 及 时纠 正。 产生的 倾 向有可能是工具逐 渐损 坏、 维 修逐渐变 坏、操作人 员 的技能逐 渐 改 进 等控制图的观察与分析缺陷UCLCLLCL UCLCLLCL 缺陷 图 例准 则 4：周期性排列 点子排列按一定 间隔重复出 现 ，呈 现 一定的 规 律性，可判 为 异常。常因 为 操作人 员 疲劳 、原材料原因、机械设备 等原因造成。准 则 5：突 发 性排列 在 连续 三点中至少有两点接近控制界限（3）。 说 明数据散差 较大，如 经 常 调 整 规 格范围 ，会出 这 种情况。o 与准则 5类似，代表着平均值的偏移控制图的观察与分析缺陷UCLCLLCL 缺陷 图 例准 则 7： 过 分集中排列 点子 连续 在中心 线 附近排列，即在 内达到 15个点以上，可判 为 异常。常因 为 数据不真实 （ 调 好的）或数据分 组 不当造成。o 主要原因是数据分层不够，如轮流使用两台设备控制图的种类o 数据：（ 1）计量值数据（ 2）计数值数据 计件计点o 数据的特征值：n 平均值